图像特征具有旋转、平移及尺度不变性,在图像匹配应用方面得到广泛的应用。常用到的图像特征提取的算法有SIFT、SURF。图像特征匹配是工业机器视觉处理中比较基础的一个重要环节。在机器视觉领域中现场的工业环境较为恶劣容易引起噪声干扰、工件上附带有砂砾等杂物以及背景中的图像干扰,使得图像特征提取算法在对图像进行特征点检测过程中出现干扰的斑点,导致图像无法准确匹配;同时在实际应用中注意到图像特征提取算法有两方面的不足之处:一是图像特征提取算法在处理图像的过程中不区分图像背景及前景,这使得检测的特征点出现在背景图像中,会造成前景图像特征点的错误匹配;二是工业现场中一般的零件具有丰富的几何边缘纹理特征,而特征提取算法无法准确利用这些有效信息进行图像特征的提取及匹配,甚至是算法中高斯处理过程会造成图像的边缘模糊。本文分别从这两个主要问题出发,进一步补充SURF算法在目标工件边缘处的特征点,展开对图像特征提取及匹配算法的研究与应用。本文的主要研究内容如下:1.为了消除工业应用中图像背景中的干扰。首先,本文分析了图像中背景与前景差异,注意到前景中目标工件具有丰富的几何特性,而背景中无明显的具体特征。其次,研究分析目标工件及背景二值图像中边缘曲线的长度、周长及面积三个几何特性。最后,依据工件的几何特性差异提出两种过滤干扰曲线的处理方案:一种有阈值的处理方案,一种是无阈值的处理方案;其中每种处理方案中包含基于曲线三个几何特性的过滤规则。本文同时对每个过滤规则进行分析及对比其过滤效果;实验结果表明:两种方案均能有效提取目标在不同尺度下的形状曲线。2.为了充分利用工件丰富的几何特性;本文提出两种几何优化处理方案:一是从算法中不同尺度图像角度出发进行几何优化处理,二是从算法中不同尺度Hessian矩阵迹出发进行几何优化处理。通过结合过滤干扰曲线规则,依次对两种优化方案进行分析;实验结果表明:两种方案均能得到目标的形状曲线图。本文还对SURF算法进行改进,从而较好地匹配图像的线特征,用于代替图像的点特征。首先,利用Hessian矩阵迹方案着手对图像进行优化处理。其次,利用过滤规则过滤不同尺度Hessian矩阵迹中背景干扰曲线得到目标图像的形状曲线图。最后,采用修改特征点判定条件,在图像的边缘区域获得密集的特征点;同时利用工件的形状曲线特征点进行过滤处理,得到工件边缘处的线特征;再利用原算法中线特征的描述算子进行图像的匹配,并结合RANSAC算法对错误匹配的特征点进行剔除。3.为了验证改进后算法的有效性,本文通过从客观评价、主观评价两个方面进行测试。客观评价上,分别利用特征点平均误差距离、特征点重复率、特征点匹配准确率及PR曲线四个客观指标对算法的处理结果进行分析;实验结果表明:改进后算法有效特征点个数增多,有效提高了图像线特征的匹配。主观评价上,本文利用现场调研方式,应用改进后算法对实际工业机器人采集到的图像进行初步的测试。实验结果表明:改进后算法在处理实际的工厂环境中采集到的图像时,可以较好地检测到目标工件的边缘线特征,为进一步的工业机器人的应用提供了理论基础。